論文の概要: Interactively Learning Social Media Representations Improves News Source Factuality Detection

• arxiv url: http://arxiv.org/abs/2309.14966v1
• Date: Tue, 26 Sep 2023 14:36:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-27 13:21:54.145084
• Title: Interactively Learning Social Media Representations Improves News Source Factuality Detection
• Title（参考訳）: ソーシャルメディア表現の対話的学習は、ニュースソースのファクチュアリティ検出を改善する
• Authors: Nikhil Mehta and Dan Goldwasser
• Abstract要約: フェイクニュースの迅速検出、特に新しい出来事の発生は、誤報を防ぐために重要である。 我々は、人間が対話して、自動化されたシステムがより優れたソーシャルメディア表現品質を学習するのに役立つような、この問題に対話的にアプローチすることを提案する。
• 参考スコア（独自算出の注目度）: 31.172580066204635
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rise of social media has enabled the widespread propagation of fake news, text that is published with an intent to spread misinformation and sway beliefs. Rapidly detecting fake news, especially as new events arise, is important to prevent misinformation. While prior works have tackled this problem using supervised learning systems, automatedly modeling the complexities of the social media landscape that enables the spread of fake news is challenging. On the contrary, having humans fact check all news is not scalable. Thus, in this paper, we propose to approach this problem interactively, where humans can interact to help an automated system learn a better social media representation quality. On real world events, our experiments show performance improvements in detecting factuality of news sources, even after few human interactions.
• Abstract（参考訳）: ソーシャルメディアの興隆により、誤報を広め、信念を揺さぶることを目的とした偽ニュース、テキストの広汎な普及が可能となった。 フェイクニュースの迅速検出、特に新しい出来事の発生は、誤報を防ぐために重要である。 以前の研究は教師付き学習システムを使ってこの問題に取り組んできたが、偽ニュースの拡散を可能にするソーシャルメディアの風景の複雑さを自動モデリングすることは困難である。 逆に、人間にすべてのニュースを事実チェックさせることは、スケーラビリティに欠ける。 そこで本稿では,人間同士が対話して,より優れたソーシャルメディア表現の質を自動学習する手法を提案する。 実世界のイベントでは,人間同士の交流が少なくても,ニュースソースの事実性の検出性能が向上した。

関連論文リスト

• Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
  我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。 我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
  論文  参考訳（メタデータ） (2023-11-02T08:39:45Z)
• An Interactive Framework for Profiling News Media Sources [26.386860411085053]
  本稿では,ニュースメディアのプロファイリングのためのインタラクティブなフレームワークを提案する。 グラフベースのニュースメディアプロファイリングモデル、事前訓練された大規模言語モデル、人間の洞察の強みを組み合わせる。 人間のインタラクションが5つにも満たないので、我々のフレームワークはフェイクや偏見のあるニュースメディアを素早く検出できる。
  論文  参考訳（メタデータ） (2023-09-14T02:03:45Z)
• Fake News Detection and Behavioral Analysis: Case of COVID-19 [0.22940141855172028]
  パンデミックに関する偽ニュースの拡散による「情報デミック」が世界的な問題となっている。 読者は偽ニュースを本当のニュースと間違える可能性があり、その結果、本物の情報にアクセスできなくなる。 ソーシャルメディアの投稿で偽のニュースデータを正確に識別することは困難である。
  論文  参考訳（メタデータ） (2023-05-25T13:42:08Z)
• Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks [49.29141811578359]
  本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。 提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
  論文  参考訳（メタデータ） (2022-12-24T00:19:32Z)
• Combining Machine Learning with Knowledge Engineering to detect Fake News in Social Networks-a survey [0.7120858995754653]
  ニュースメディアやソーシャルメディアでは、情報は高速に拡散されるが、正確性がないため、検出メカニズムは偽ニュースの拡散に対処するのに十分な速さでニュースを予測することができる。 本稿では,フェイクニュースとは何か,フェイクニュースの重要性,さまざまな領域におけるフェイクニュースの全体的影響,ソーシャルメディア上でフェイクニュースを検出するさまざまな方法,問題を克服する上で有効な既存の検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-01-20T07:43:15Z)
• A Study of Fake News Reading and Annotating in Social Media Context [1.0499611180329804]
  我々は、44名のレイト参加者に、ニュース記事を含む投稿を含むソーシャルメディアフィードをさりげなく読み取らせるという、視線追跡研究を提示した。 第2回では,参加者に対して,これらの記事の真偽を判断するよう求めた。 また、同様のシナリオを用いたフォローアップ定性的な研究についても述べるが、今回は7人の専門家によるフェイクニュースアノテータを用いた。
  論文  参考訳（メタデータ） (2021-09-26T08:11:17Z)
• Stance Detection with BERT Embeddings for Credibility Analysis of Information on Social Media [1.7616042687330642]
  本稿では,記事の内容とともに,その特徴の1つとして姿勢を用いた偽ニュースを検出するモデルを提案する。 本研究は,自動的特徴抽出とテキストの関連性でコンテンツを解釈する。 実世界のデータセットで行った実験は、我々のモデルが以前の研究より優れており、95.32%の精度で偽ニュースの検出を可能にすることを示している。
  論文  参考訳（メタデータ） (2021-05-21T10:46:43Z)
• User Preference-aware Fake News Detection [61.86175081368782]
  既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。 本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
  論文  参考訳（メタデータ） (2021-04-25T21:19:24Z)
• Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
  我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。 偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。 本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-20T19:37:04Z)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。